Análisis de Datos 1
El método de las K-Medias (k-means)
Ejemplo con datos artificiales con k=2
setwd("~/Google Drive/MDCurso/Datos")
datos<-read.csv("Ej1kmeans.csv",sep = ";",header=F)
head(datos)## V1 V2
## 1 -0.3508569 0.3348495
## 2 0.4312463 -0.2319262
## 3 -0.2342527 -0.1372323
## 4 -0.2942210 -0.4817277
## 5 -0.1512742 0.3637852
## 6 0.3247037 -0.1647549grupos<-kmeans(datos,centers=2,iter.max=100) ## iter.max por defecto es 10
grupos## K-means clustering with 2 clusters of sizes 51, 49
##
## Cluster means:
## V1 V2
## 1 0.02169424 0.08865999
## 2 0.99128291 1.07898833
##
## Clustering vector:
## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [36] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2
## [71] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
##
## Within cluster sum of squares by cluster:
## [1] 7.489019 9.397754
## (between_SS / total_SS = 74.0 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"grupos$cluster## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [36] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2
## [71] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2grupos$centers## V1 V2
## 1 0.02169424 0.08865999
## 2 0.99128291 1.07898833grupos$totss # Inercia Total## [1] 64.88887grupos$withinss # Inercia Intra-clases por grupo (una para cada grupo)## [1] 7.489019 9.397754grupos$tot.withinss # Inercia Intra-clases## [1] 16.88677grupos$betweenss # inercia Inter-clases## [1] 48.0021# Verificación del Teorema de Fisher
grupos$totss==grupos$tot.withinss+grupos$betweenss ## [1] TRUEgrupos$size # Tamaño de las clases## [1] 51 49Puntos y centros
Por defecto (graphics)
plot(datos,pch=19,xlab=expression(x[1]),ylab=expression(x[2]))
points(grupos$centers,pch=19,col="#FF9C5B",cex=2)
points(datos,col=grupos$cluster+1,pch=19)
Usando cluster
library(cluster)
library("factoextra")Loading required package: ggplot2Welcome! Related Books: `Practical Guide To Cluster Analysis in R` at https://goo.gl/13EFCZdatos.escalado <- data.frame(scale(datos), grupos$cluster)
clusplot(datos.escalado, grupos$cluster, color=TRUE, shade=TRUE,
labels=2, lines=0)
barplot(grupos$centers[1,],col='#F5634A')
barplot(grupos$centers[2,],col='#ED303C')
rownames(grupos$centers)<-c("Cluster 1","Cluster 2")
barplot(t(grupos$centers),beside=TRUE,col=c("#F5634A","#F5634A","#ED303C","#ED303C"))
Ejemplo con datos artificiales con k=4
## con iter.max=10 algunas veces encuentra soluciones suboptimales
grupos<-kmeans(datos,centers=4,iter.max=50)
grupos$cluster## [1] 1 4 2 2 1 4 1 2 4 1 1 1 4 4 2 4 1 2 2 4 4 4 4 4 2 4 2 2 4 2 4 2 2 2 2
## [36] 2 4 2 2 4 2 1 4 2 1 1 4 1 2 2 3 3 3 3 3 3 1 4 3 3 3 3 3 3 3 3 3 3 3 3
## [71] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3grupos$centers## V1 V2
## 1 -0.06821724 0.50099826
## 2 -0.19304414 -0.02509277
## 3 1.00982118 1.07626940
## 4 0.32002034 0.01295400Puntos y centros
Por defecto (graphics)
plot(datos,pch=19,xlab=expression(x[1]),ylab=expression(x[2]))
points(grupos$centers,pch=19,col="black",cex=2)
points(datos,col=grupos$cluster+1,pch=19)
Usando cluster
datos.escalado<- data.frame(scale(datos), grupos$cluster)
clusplot(datos.escalado, grupos$cluster, color=TRUE, shade=TRUE,
labels=2, lines=0)
Ejemplo con datos Servicio al Cliente
setwd("~/Google Drive/MDCurso/Datos")
datos <- read.csv("EjemploClientesCorregidaEdad.csv",header=TRUE, sep=";", dec=",", row.names=1)
str(datos)## 'data.frame': 37 obs. of 12 variables:
## $ Edad.10 : num 2.5 2.4 2.8 2.3 4.9 3.2 2.6 2.3 2.5 2.9 ...
## $ Antiguedad : int 1 0 7 0 6 4 0 4 4 0 ...
## $ Espacios.Parqueo : num 7.6 4.8 6.8 3.4 7 5.6 6.2 5.6 4.6 5.4 ...
## $ Velocidad.Cajas : num 7.6 9 8.4 7.8 3.2 7.8 8 6.8 8 6.4 ...
## $ Distribucion.Productos: num 7.8 7.2 7.6 9 1.2 6.8 6.6 6.2 3.8 8.8 ...
## $ Atencion.Empleados : num 9.7 10 8.7 10 10 10 9.3 9.7 10 9.7 ...
## $ Calidad.Instalaciones : num 5 2 2.7 1 4 3 3.3 4 1.7 6.7 ...
## $ Ubicacion : num 9 9.6 9.2 10 9 10 8.6 6.8 9.8 10 ...
## $ Limpieza : num 7.6 6.8 6.2 4.4 1.4 5 7.8 6.8 5 5.6 ...
## $ Variedad.Productos : num 5.6 8.4 9 4 4.8 4.2 6.4 7.4 4.4 6.2 ...
## $ Prestigio.Empresa : num 7 9.8 9.6 2.8 2.6 4.2 9.6 5.6 6 8.4 ...
## $ Calidad.Servicio : num 6.6 5.4 8.5 5.4 3.3 7.2 6.5 4.5 7.6 6.5 ...grupos<-kmeans(datos,centers=3,iter.max=200)
grupos$cluster # Cluster al que pertenece cada fila## Ariana Guiselle Francisco Griselda Damaris Johana
## 3 3 1 3 2 1
## Bernal Freddy Estafania Laura Arnoldo Beatriz
## 3 1 1 3 1 1
## Rebeca Sofia Ingrid Rocio Karen Luis
## 3 1 1 1 1 1
## Pedro Lorena Elena Julian Natalie Shirley
## 3 1 1 2 3 3
## Andres Alejandro Grace Nuria Flor Roberto
## 1 1 3 3 3 1
## Victor Arturo Maritza Diana Juan Guillermo
## 3 1 1 3 1 3
## Silvia
## 3grupos$centers # Centros de los clústeres## Edad.10 Antiguedad Espacios.Parqueo Velocidad.Cajas
## 1 3.057895 5.210526 6.4 7.926316
## 2 4.450000 5.500000 6.0 5.500000
## 3 2.475000 0.687500 5.8 8.162500
## Distribucion.Productos Atencion.Empleados Calidad.Instalaciones
## 1 6.389474 9.615789 3.405263
## 2 2.300000 9.850000 3.650000
## 3 7.237500 9.650000 3.318750
## Ubicacion Limpieza Variedad.Productos Prestigio.Empresa Calidad.Servicio
## 1 8.694737 6.663158 6.905263 6.894737 5.642105
## 2 9.100000 2.800000 5.400000 3.800000 2.400000
## 3 9.350000 7.200000 6.962500 7.700000 4.812500colnames(datos) ## [1] "Edad.10" "Antiguedad"
## [3] "Espacios.Parqueo" "Velocidad.Cajas"
## [5] "Distribucion.Productos" "Atencion.Empleados"
## [7] "Calidad.Instalaciones" "Ubicacion"
## [9] "Limpieza" "Variedad.Productos"
## [11] "Prestigio.Empresa" "Calidad.Servicio"color <- c("#FF6449", "#FEB035", "#FCE020", "#F7EC69", "#F1F8BE","#D5B9F6",
"#A2E3CD","#EDF380", "#D8FD9C", "#AEEC64", "#F598F8", "#9EFF37")
barplot(grupos$centers[1,],col=color,las=2,cex.names = 0.7, ylim = c(0,12))
barplot(grupos$centers[2,],col=color,las=2,cex.names = 0.7, ylim = c(0,12))
barplot(grupos$centers[3,],col=color,las=2,cex.names = 0.7, ylim = c(0,12))
rownames(grupos$centers)<-c("Cluster 1","Cluster 2","Cluster 3")
barplot(t(grupos$centers),beside=TRUE,legend=colnames(datos),main = "Gráfico de Interpretación de Clases",col=color,ylim=c(0,30),cex.names = 0.7)
# Gráfico Tipo Araña
library(fmsb)
centros<-grupos$centers
rownames(centros)<-c("Cluster 1","Cluster 2","Cluster 3")
centros<-as.data.frame(centros)
maximos<-apply(centros,2,max)
minimos<-apply(centros,2,min)
centros<-rbind(minimos,centros)
centros<-rbind(maximos,centros)
centros## Edad.10 Antiguedad Espacios.Parqueo Velocidad.Cajas
## 1 4.450000 5.500000 6.4 8.162500
## 11 2.475000 0.687500 5.8 5.500000
## Cluster 1 3.057895 5.210526 6.4 7.926316
## Cluster 2 4.450000 5.500000 6.0 5.500000
## Cluster 3 2.475000 0.687500 5.8 8.162500
## Distribucion.Productos Atencion.Empleados Calidad.Instalaciones
## 1 7.237500 9.850000 3.650000
## 11 2.300000 9.615789 3.318750
## Cluster 1 6.389474 9.615789 3.405263
## Cluster 2 2.300000 9.850000 3.650000
## Cluster 3 7.237500 9.650000 3.318750
## Ubicacion Limpieza Variedad.Productos Prestigio.Empresa
## 1 9.350000 7.200000 6.962500 7.700000
## 11 8.694737 2.800000 5.400000 3.800000
## Cluster 1 8.694737 6.663158 6.905263 6.894737
## Cluster 2 9.100000 2.800000 5.400000 3.800000
## Cluster 3 9.350000 7.200000 6.962500 7.700000
## Calidad.Servicio
## 1 5.642105
## 11 2.400000
## Cluster 1 5.642105
## Cluster 2 2.400000
## Cluster 3 4.812500color <- c("#FCEBB6","#78C0A8","#5E412F")
radarchart(as.data.frame(centros),maxmin=TRUE,axistype=4,axislabcol="slategray4",
centerzero=FALSE,seg=8, cglcol="gray67",
pcol=color,plty=1,plwd=5,title="Comparación de clústeres")
legenda <-legend(1.5,1, legend=c("Cluster 1","Cluster 2","Cluster 3"),
seg.len=-1.4,title="Clústeres",pch=21,bty="n" ,lwd=3, y.intersp=1,
horiz=FALSE,col=color)
Guardando la tabla de datos con el cluster al que pertenece cada individuo
# En grupos$cluster está a qué cluster pertenece cada fila de la tabla de datos
NDatos<-cbind(datos,Grupo=grupos$cluster)
head(NDatos) Edad.10 Antiguedad Espacios.Parqueo Velocidad.Cajas
Ariana 2.5 1 7.6 7.6
Guiselle 2.4 0 4.8 9.0
Francisco 2.8 7 6.8 8.4
Griselda 2.3 0 3.4 7.8
Damaris 4.9 6 7.0 3.2
Johana 3.2 4 5.6 7.8
Distribucion.Productos Atencion.Empleados
Ariana 7.8 9.7
Guiselle 7.2 10.0
Francisco 7.6 8.7
Griselda 9.0 10.0
Damaris 1.2 10.0
Johana 6.8 10.0
Calidad.Instalaciones Ubicacion Limpieza Variedad.Productos
Ariana 5.0 9.0 7.6 5.6
Guiselle 2.0 9.6 6.8 8.4
Francisco 2.7 9.2 6.2 9.0
Griselda 1.0 10.0 4.4 4.0
Damaris 4.0 9.0 1.4 4.8
Johana 3.0 10.0 5.0 4.2
Prestigio.Empresa Calidad.Servicio Grupo
Ariana 7.0 6.6 3
Guiselle 9.8 5.4 3
Francisco 9.6 8.5 1
Griselda 2.8 5.4 3
Damaris 2.6 3.3 2
Johana 4.2 7.2 1# Establezco el directorio en donde se quiere grabar el archivo
#setwd("~/Google Drive/MDCurso/Datos")
# Se graba el archivo en como un CSV
write.csv(NDatos,"NDatos.csv")Formas Fuertes para lograr mejores soluciones en K-Medias
Ejemplo con datos Servicio al Cliente
nstart=200 hace que el método se ejecute 200 veces y se quede con la mejor solución
setwd("~/Google Drive/MDCurso/Datos")
datos <- read.csv("EjemploClientesCorregidaEdad.csv",header=TRUE, sep=";", dec=",", row.names=1)
str(datos)## 'data.frame': 37 obs. of 12 variables:
## $ Edad.10 : num 2.5 2.4 2.8 2.3 4.9 3.2 2.6 2.3 2.5 2.9 ...
## $ Antiguedad : int 1 0 7 0 6 4 0 4 4 0 ...
## $ Espacios.Parqueo : num 7.6 4.8 6.8 3.4 7 5.6 6.2 5.6 4.6 5.4 ...
## $ Velocidad.Cajas : num 7.6 9 8.4 7.8 3.2 7.8 8 6.8 8 6.4 ...
## $ Distribucion.Productos: num 7.8 7.2 7.6 9 1.2 6.8 6.6 6.2 3.8 8.8 ...
## $ Atencion.Empleados : num 9.7 10 8.7 10 10 10 9.3 9.7 10 9.7 ...
## $ Calidad.Instalaciones : num 5 2 2.7 1 4 3 3.3 4 1.7 6.7 ...
## $ Ubicacion : num 9 9.6 9.2 10 9 10 8.6 6.8 9.8 10 ...
## $ Limpieza : num 7.6 6.8 6.2 4.4 1.4 5 7.8 6.8 5 5.6 ...
## $ Variedad.Productos : num 5.6 8.4 9 4 4.8 4.2 6.4 7.4 4.4 6.2 ...
## $ Prestigio.Empresa : num 7 9.8 9.6 2.8 2.6 4.2 9.6 5.6 6 8.4 ...
## $ Calidad.Servicio : num 6.6 5.4 8.5 5.4 3.3 7.2 6.5 4.5 7.6 6.5 ...grupos<-kmeans(datos,centers=3,iter.max=200,nstart=200)
grupos$cluster # Cluster al que pertenece cada fila## Ariana Guiselle Francisco Griselda Damaris Johana
## 3 3 1 2 2 2
## Bernal Freddy Estafania Laura Arnoldo Beatriz
## 3 1 2 3 1 1
## Rebeca Sofia Ingrid Rocio Karen Luis
## 3 1 1 2 1 3
## Pedro Lorena Elena Julian Natalie Shirley
## 3 2 1 2 2 2
## Andres Alejandro Grace Nuria Flor Roberto
## 2 1 2 3 3 1
## Victor Arturo Maritza Diana Juan Guillermo
## 3 1 3 2 2 3
## Silvia
## 3grupos$centers # Centros de los clústeres## Edad.10 Antiguedad Espacios.Parqueo Velocidad.Cajas
## 1 3.118182 6.181818 6.527273 8.018182
## 2 3.169231 2.769231 5.400000 7.461538
## 3 2.392308 1.307692 6.492308 8.230769
## Distribucion.Productos Atencion.Empleados Calidad.Instalaciones
## 1 6.927273 9.554545 3.845455
## 2 4.476923 9.692308 2.084615
## 3 8.261538 9.669231 4.284615
## Ubicacion Limpieza Variedad.Productos Prestigio.Empresa Calidad.Servicio
## 1 8.509091 6.818182 7.200000 7.618182 4.781818
## 2 9.200000 5.646154 5.723077 5.261538 5.069231
## 3 9.215385 7.615385 7.676923 8.430769 5.423077# Gráfico Tipo Araña
centros<-grupos$centers
rownames(centros)<-c("Cluster 1","Cluster 2","Cluster 3")
centros<-as.data.frame(centros)
maximos<-apply(centros,2,max)
minimos<-apply(centros,2,min)
centros<-rbind(minimos,centros)
centros<-rbind(maximos,centros)
centros## Edad.10 Antiguedad Espacios.Parqueo Velocidad.Cajas
## 1 3.169231 6.181818 6.527273 8.230769
## 11 2.392308 1.307692 5.400000 7.461538
## Cluster 1 3.118182 6.181818 6.527273 8.018182
## Cluster 2 3.169231 2.769231 5.400000 7.461538
## Cluster 3 2.392308 1.307692 6.492308 8.230769
## Distribucion.Productos Atencion.Empleados Calidad.Instalaciones
## 1 8.261538 9.692308 4.284615
## 11 4.476923 9.554545 2.084615
## Cluster 1 6.927273 9.554545 3.845455
## Cluster 2 4.476923 9.692308 2.084615
## Cluster 3 8.261538 9.669231 4.284615
## Ubicacion Limpieza Variedad.Productos Prestigio.Empresa
## 1 9.215385 7.615385 7.676923 8.430769
## 11 8.509091 5.646154 5.723077 5.261538
## Cluster 1 8.509091 6.818182 7.200000 7.618182
## Cluster 2 9.200000 5.646154 5.723077 5.261538
## Cluster 3 9.215385 7.615385 7.676923 8.430769
## Calidad.Servicio
## 1 5.423077
## 11 4.781818
## Cluster 1 4.781818
## Cluster 2 5.069231
## Cluster 3 5.423077color <- c("#EEE6AB","#C5BC8E","#5E412F")
radarchart(as.data.frame(centros),maxmin=TRUE,axistype=4,axislabcol="slategray4",
centerzero=FALSE,seg=8, cglcol="gray67",
pcol=color,plty=1,plwd=5,title="Comparación de clústeres")
legenda <-legend(1.5,1, legend=c("Cluster 1","Cluster 2","Cluster 3"),
seg.len=-1.4,title="Clústeres",pch=21,bty="n" ,lwd=3, y.intersp=1,
horiz=FALSE,col=color)
Ejemplo Comparativo de Formas Fuertes para lograr mejores soluciones en K-Medias
setwd("~/Google Drive/MDCurso/Datos")
datos <- read.table('SpamData.csv', header=TRUE, sep=';',dec='.')
datos<-datos[,c(2,4,5,6,7,9,10,11)]
t1<-system.time(grupos<-kmeans(datos,centers=3,iter.max=3,nstart=1))
t1 user system elapsed
0.004 0.001 0.004 par(mfrow=c(1,2))
centros<-grupos$centers
rownames(centros)<-c("Cluster 1","Cluster 2","Cluster 3")
centros<-as.data.frame(centros)
maximos<-apply(centros,2,max)
minimos<-apply(centros,2,min)
centros<-rbind(minimos,centros)
centros<-rbind(maximos,centros)
color <- c("#FCEBB6","#78C0A8","#5E412F")
radarchart(as.data.frame(centros),maxmin=TRUE,axistype=4,axislabcol="slategray4",
centerzero=FALSE,seg=8, cglcol="gray67",
pcol=color,plty=1,plwd=5,title="Comparación de clústeres")
legenda <-legend(1.5,1, legend=c("Cluster 1","Cluster 2","Cluster 3"),
seg.len=-1.4,title="Clústeres",pch=21,bty="n" ,lwd=3, y.intersp=1,
horiz=FALSE,col=color)
t2<-system.time(grupos<-kmeans(datos,centers=3,iter.max=200,nstart = 200))
t2 user system elapsed
0.388 0.017 0.406 centros<-grupos$centers
rownames(centros)<-c("Cluster 1","Cluster 2","Cluster 3")
centros<-as.data.frame(centros)
maximos<-apply(centros,2,max)
minimos<-apply(centros,2,min)
centros<-rbind(minimos,centros)
centros<-rbind(maximos,centros)
radarchart(as.data.frame(centros),maxmin=TRUE,axistype=4,axislabcol="slategray4",
centerzero=FALSE,seg=8, cglcol="gray67",
pcol=color,plty=1,plwd=5,title="Comparación de clústeres")
legenda <-legend(1.5,1, legend=c("Cluster 1","Cluster 2","Cluster 3"),
seg.len=-1.4,title="Clústeres",pch=21,bty="n" ,lwd=3, y.intersp=1,
horiz=FALSE,col=color)
Escogiendo el valor de K mediante el “Codo de Jambu”
Datos Simulados:
generate <- function(n=50, extradim=0, sigma=1, mu=7) {
data1 <- matrix(rnorm(n*2), n, 2) * sigma
data1[,1] <- data1[,1] + centers[1,1] * mu
data1[,2] <- data1[,2] + centers[1,2] * mu
data2 <- matrix(rnorm(n*2), n, 2) * sigma
data2[,1] <- data2[,1] + centers[2,1] * mu
data2[,2] <- data2[,2] + centers[2,2] * mu
data3 <- matrix(rnorm(n*2), n, 2) * sigma
data3[,1] <- data3[,1] + centers[3,1] * mu
data3[,2] <- data3[,2] + centers[3,2] * mu
data <- rbind(data1,data2,data3)
if (extradim > 0) {
noise <- matrix(rnorm(3*n*extradim)*sigma, 3*n, extradim)
data <- cbind(data, noise)
}
return(data)
}centers <- matrix(c(0,3,1,3,0,4), 3, 2, byrow=T)
centers [,1] [,2]
[1,] 0 3
[2,] 1 3
[3,] 0 4Data1 <- generate(extradim=0)
head(Data1) [,1] [,2]
[1,] 0.6413689 21.26642
[2,] 0.7323902 21.49162
[3,] 0.1251402 20.46348
[4,] 1.5994146 22.12053
[5,] -0.4862423 18.69831
[6,] 0.1052660 21.79795dim(Data1)[1] 150 2groups<-kmeans(Data1,centers=3,iter.max=100,nstart=50)Puntos y centros
Por defecto (graphics)
plot(Data1)
points(groups$centers,pch=19,col="blue",cex=2)
points(Data1,col=groups$cluster,pch=19)
Usando cluster
mydata <- data.frame( (Data1), groups$cluster)
clusplot(mydata, groups$cluster, color=TRUE, shade=TRUE,
labels=2, lines=0)
library(scatterplot3d)
Data2 <- generate(extradim=1)
g3d<-scatterplot3d(Data2)
groups<-kmeans(Data2, 3)
g3d$points3d(groups$centers,pch=19,col="blue",cex=2)
g3d$points3d(Data2,col=groups$cluster,pch=19)
Graficando se ve que para \(k=3\) la Inercia Intra-Clases se estabiliza
Escogiendo el valor de K
Por Inercia Intra-Clases
Datos <- generate(extradim=0)
InerciaIC<-rep(0,30)
for(k in 1:30) {
grupos<-kmeans(Datos,centers=k,nstart=25)
InerciaIC[k]<-grupos$tot.withinss
}
plot(InerciaIC,col="blue",type="b")
Usando factoextra, método “Gap Statistic” (Ver paper)
mis.datos <- scale(Datos)
fviz_nbclust(mis.datos, kmeans, method = "gap_stat")
fviz_nbclust(mis.datos, kmeans, method = "wss")
fviz_nbclust(mis.datos, kmeans, method = "silhouette")
Ejemplo del Codo de Jambu con Datos Reales:
Graficando se ve que para \(k=8\) la Inercia Intra-Clases se estabiliza.
setwd("~/Google Drive/MDCurso/Datos")
Datos <- read.csv("EjemploClientesCorregidaEdad.csv",header=TRUE, sep=";", dec=",", row.names=1)Escogiendo el valor de K
Por Inercia Intra-Clases
InerciaIC<-rep(0,30)
for(k in 1:30) {
grupos<-kmeans(Datos,centers=k,nstart=25)
InerciaIC[k]<-grupos$tot.withinss
}
plot(InerciaIC,col="blue",type="b")
mis.datos <- scale(Datos)
fviz_nbclust(mis.datos, kmeans, method = "gap_stat")
fviz_nbclust(mis.datos, kmeans, method = "wss")
fviz_nbclust(mis.datos, kmeans, method = "silhouette")
Otra vez el ejemplo con datos Servicio al Cliente con k=2 como sugiere el método “silhouette”
setwd("~/Google Drive/MDCurso/Datos")
datos <- read.csv("EjemploClientesCorregidaEdad.csv",header=TRUE, sep=";", dec=",", row.names=1)
grupos<-kmeans(datos,centers=2,iter.max=200,nstart=200)
# Gráfico Tipo Araña
centros<-grupos$centers
rownames(centros)<-c("Cluster 1","Cluster 2")
centros<-as.data.frame(centros)
maximos<-apply(centros,2,max)
minimos<-apply(centros,2,min)
centros<-rbind(minimos,centros)
centros<-rbind(maximos,centros)
color <- c("red","blue")
radarchart(as.data.frame(centros),maxmin=TRUE,axistype=4,axislabcol="slategray4",
centerzero=FALSE,seg=8, cglcol="gray67",
pcol=color,plty=1,plwd=5,title="Comparación de clústeres")
legenda <-legend(1.5,1, legend=c("Cluster 1","Cluster 2"),
seg.len=-1.4,title="Clústeres",pch=21,bty="n" ,lwd=3, y.intersp=1,
horiz=FALSE,col=color)